1.1 introduction
| notation | meaning | remark |
|---|---|---|
| m | number of training examples | |
| x’s | input variable / features | |
| y’s | output variable / target variable | |
| (x^(i), y^(i)) | 第 i 個 training example | |
| h | hypothesis function, h maps from x’s to y’s | 假設函數由學習算法輸出 |
| := | 賦值運算符 | |
| = | 判定/斷言 | eg： a = b ， 即斷言a與b相等 |
| alpha | learning rate |
1.2 model and cost function
- cost function：預測值與真實值之間的差值；
1.3 parameter learning
- gradient descent：參數 theta0、theta1 初始化爲0，不斷調整參數值，使代價函數J(theta0, theta1)達到最小值；
theta0、theta1 的值需要同時更新；